Path: Top > Skripsi - D4 > Jurusan Teknik Komputer dan Informatika > Prodi Teknik Informatika > 2014

Klasifikasi Teks Mention Twitter Berbahasa Indonesia Berdasarkan Analisis Sentimen Menggunakan Metode K-Nearest Neighbor

Indonesian Language Twitter Mention Text Classification Based On Sentiment Analysis Using K-Nearest Neighbor Method

Tugas Akhir, 015 / 2014 / TI4
Undergraduate Theses from JBPTPPOLBAN / 2018-09-03 15:06:06
Oleh : Rizki Kustiarini - 101524023 (rizki.tracs@gmail.com)
Dibuat : 2018-04-09, dengan 4 file

Keyword : Analisis Sentimen, Twitter, K-Nearest Neighbor, Okapi BM25
Subjek : Sentiment Analysis, Twitter, K-Nearest Neighbor, Okapi BM25

Twitter merupakan salah satu media sosial yang banyak digunakan di seluruh dunia. Biasanya Twitter digunakan sebagai sarana komunikasi, disamping itu Twitter juga digunakan sebagai penyebar informasi yang sangat bebas dan beragam seperti berita, pertanyaan, opini, atau komentar yang bersifat positif maupun negatif. Oleh karena itu, Twitter dapat dimanfaatkan oleh perusahaan untuk mengetahui opini publik mengenai produk/ layanan jasa mereka melalui fitur mention pada Twitter. Untuk mengetahui suatu mention mengandung keluhan atau pujian diperlukan analisis sentimen. Analisis sentimen yang digunakan pada tugas akhir ini adalah dengan mengklasifikasikan teks mention kedalam kelompok positif, negatif, atau netral. Proses pada analisis sentimen diawali dengan preprocessing, dilanjutkan dengan penghitungan kemiripan data training dengan data testing menggunakan Okapi BM25, dan klasifikasi sentimen menggunakan metode K-Nearest Neighbor. Metode ini bertujuan untuk mengklasifikasikan data testing berdasarkan data training yang paling mirip. Penghitungan akurasi dari analisis sentimen pada teks mention Twitter berbahasa Indonesia dengan metode K-Nearest Neighbor (KNN) menghasilkan rata-rata akurasi sebesar 68,19% dan nilai tertinggi akurasi sebesar 77,66%. Kata kunci: Analisis Sentimen, Twitter, K-Nearest Neighbor, Okapi BM25.

Deskripsi Alternatif :

Twitter is one of social media that is widely used around the world. Twitter is usually used as a communication tool, in addition Twitter is also used as a disseminator of information that is very free and diverse as news, questions, opinions, or comments that are positive or negative. Therefore, Twitter can be used by companies to determine public opinion about its products through a feature mention on Twitter. To find a mention containing complaints or compliments, sentiment analysis is required. Sentiment analysis used in this final project is to classify texts mention into positive, negative, or neutral category. The sentiment analysis process began from text preprocessing, followed by calculation of similarity between training data and testing data using Okapi BM25 formula, and then classified data using K-Nearest Neighbor method. This method aims to classify data testing based on the most similar training data. The accuracy testing of sentiment analysis of text mention Twitter in Indonesian using K-Nearest Neighbor (KNN) obtained 68,19% in average and the highest accuracy was 77,66%. Keywords: Sentiment Analysis, Twitter, K-Nearest Neighbor, Okapi BM25.

Beri Komentar ?#(0) | Bookmark

PropertiNilai Properti
ID PublisherJBPTPPOLBAN
Organisasi
Nama KontakHelmi Purwanti
AlamatJl. Trsn. Gegerkalong Hilir Ds. Ciwaruga
KotaBandung
DaerahJawa Barat
NegaraIndonesia
Telepon022 201 3789 ext. 168, 169, 239
Fax022 201 3889
E-mail Administratorhelmi.purwanti@polban.ac.id
E-mail CKOhelmi.purwanti@polban.ac.id

Print ...

Kontributor...

  • Pembimbing: Jonner Hutahaean, B.S.E.T., M.InfoSys., Editor: Erlin Arvelina

Download...